本發(fā)明涉及光伏發(fā)電調(diào)控，具體涉及一種基于用采終端的光伏發(fā)電自適應(yīng)預(yù)測(cè)調(diào)節(jié)方法及設(shè)備。

背景技術(shù)：

1、在當(dāng)前的光伏能源領(lǐng)域，光伏系統(tǒng)作為可再生能源利用的關(guān)鍵環(huán)節(jié)，其在全球范圍內(nèi)的廣泛應(yīng)用標(biāo)志著人類向可持續(xù)能源未來(lái)邁進(jìn)的一大步，因此利用光伏發(fā)電已成為重要的清潔能源來(lái)源，其中光伏逆變器作為整個(gè)系統(tǒng)的心臟部分，承擔(dān)著從直流電到交流電轉(zhuǎn)換及能量管理的重任，對(duì)提升系統(tǒng)效能與確保電網(wǎng)安全發(fā)揮著核心作用，因此在光伏系統(tǒng)中通過(guò)光伏逆變器調(diào)節(jié)能夠進(jìn)一步光伏調(diào)控以適應(yīng)各光伏臺(tái)區(qū)的發(fā)電情況。

2、由于過(guò)容、過(guò)壓、過(guò)載以及頻率波動(dòng)等問(wèn)題很容易影響光伏系統(tǒng)穩(wěn)定性和效率提升，傳統(tǒng)調(diào)控策略，大多依賴預(yù)設(shè)閾值與既定規(guī)則來(lái)實(shí)施保護(hù)措施，這些方法在簡(jiǎn)單情境下能夠基本滿足需求。

3、但是，隨著光伏系統(tǒng)規(guī)模的擴(kuò)大和運(yùn)行環(huán)境的復(fù)雜化，這種基于靜態(tài)規(guī)則的調(diào)控模式暴露出其局限性，它難以精確適應(yīng)多變的運(yùn)行條件，特別是在面對(duì)復(fù)合故障情形或是環(huán)境突變時(shí)，反應(yīng)遲緩且調(diào)整不夠精準(zhǔn)，從而影響了系統(tǒng)的整體性能和安全系數(shù)，有時(shí)甚至加劇了設(shè)備磨損和電網(wǎng)不穩(wěn)定的風(fēng)險(xiǎn)。

4、為此，本技術(shù)特提出一種基于用采終端的光伏發(fā)電自適應(yīng)預(yù)測(cè)調(diào)節(jié)方法及設(shè)備以解決上述技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種基于用采終端的光伏發(fā)電自適應(yīng)預(yù)測(cè)調(diào)節(jié)方法及設(shè)備，以解決背景技術(shù)中所提出的技術(shù)問(wèn)題。

2、本發(fā)明采用以下技術(shù)方案解決上述技術(shù)問(wèn)題：

3、一種基于用采終端的光伏發(fā)電自適應(yīng)預(yù)測(cè)調(diào)節(jié)方法及設(shè)備，包括以下具體操作步驟：

4、s1.采集指定臺(tái)區(qū)的所有光伏節(jié)點(diǎn)的實(shí)時(shí)發(fā)電數(shù)據(jù)，結(jié)合數(shù)據(jù)庫(kù)存儲(chǔ)發(fā)電數(shù)據(jù)，形成當(dāng)前發(fā)電數(shù)據(jù)集和歷史發(fā)電數(shù)據(jù)集；

5、s2.向光伏控制主站請(qǐng)求當(dāng)日天氣預(yù)測(cè)數(shù)據(jù)和歷史天氣數(shù)據(jù)；

6、s3.向光伏控制主站請(qǐng)求控制策略傾向；

7、s4.基于光伏節(jié)點(diǎn)的歷史數(shù)據(jù)、當(dāng)日預(yù)測(cè)天氣和控制策略傾向，構(gòu)建自適應(yīng)學(xué)習(xí)模型進(jìn)行學(xué)習(xí)，并根據(jù)學(xué)習(xí)結(jié)果，結(jié)合光伏節(jié)點(diǎn)的當(dāng)前數(shù)據(jù)，提前將學(xué)習(xí)后的控制策略轉(zhuǎn)換為控制邏輯進(jìn)行控制。

8、優(yōu)選的，所述s1步驟的具體操作步驟包括：

9、s11.確定光伏節(jié)點(diǎn)的位置及其數(shù)據(jù)采集頻率；

10、s12.使用邊端自控用采終端定期采集光伏節(jié)點(diǎn)的運(yùn)行數(shù)據(jù)并作為當(dāng)前發(fā)電數(shù)據(jù)集，包括在時(shí)間t時(shí)刻的實(shí)時(shí)數(shù)據(jù)：實(shí)時(shí)發(fā)電量pt、溫度tt、電壓vt和電流參數(shù)；

11、s13.將采集到的實(shí)時(shí)數(shù)據(jù)結(jié)合數(shù)據(jù)庫(kù)存儲(chǔ)發(fā)電數(shù)據(jù)，形成當(dāng)前發(fā)電數(shù)據(jù)集和歷史發(fā)電數(shù)據(jù)集進(jìn)行存儲(chǔ)，其中歷史發(fā)電數(shù)據(jù)集phist＝{p1,p2,…,pn}，phist包含過(guò)去n個(gè)時(shí)間點(diǎn)的發(fā)電量數(shù)據(jù)。

12、優(yōu)選的，所述s2步驟的具體操作步驟包括：

13、s21.向光伏控制主站發(fā)送請(qǐng)求，獲取當(dāng)日的天氣預(yù)測(cè)數(shù)據(jù)和歷史天氣數(shù)據(jù)，其中：

14、今日天氣預(yù)測(cè)數(shù)據(jù)wtoday＝(ttoday,htoday,rtoday)，wtoday包括溫度ttoday、濕度htoday和降水概率rtoday；

15、歷史天氣數(shù)搌whist＝{(t1,h1,r1),(t2,h2,r2),…,(tn,hn,rn)}，whist包含過(guò)去n個(gè)時(shí)間點(diǎn)的天氣數(shù)據(jù)，其中每個(gè)元組包含溫度t、濕度h和降水概率r；

16、s22.確保請(qǐng)求的數(shù)據(jù)包括溫度、濕度曲線、降水概率信息，用于數(shù)據(jù)分析，包括：

17、溫度特征分析：ti，其中tavg表示為n個(gè)歷史節(jié)點(diǎn)溫度數(shù)據(jù)ti的平均值，用于反映該地區(qū)的溫度趨勢(shì)；

18、濕度特征分析：hi，其中havg表示為n個(gè)歷史節(jié)點(diǎn)濕度數(shù)據(jù)hi的平均值，用于反映該地區(qū)的濕度趨勢(shì)；

19、發(fā)電量特征分析：pi，其中pavg表示為n個(gè)歷史節(jié)點(diǎn)發(fā)電量pi的平均值，用于反映該地區(qū)的發(fā)電性能；

20、電量波動(dòng)特征分析：其中σp表示為衡量發(fā)電量波動(dòng)性的標(biāo)準(zhǔn)差，用于反映發(fā)電量的穩(wěn)定性。

21、優(yōu)選的，所述s4步驟的具體操作步驟包括：

22、s41.數(shù)據(jù)預(yù)處理：對(duì)采集到的歷史數(shù)據(jù)進(jìn)行預(yù)處理，包括去噪聲和歸一化處理，以提高數(shù)據(jù)質(zhì)量得到輸入特征xi，歸一化后的特征值xnorm表示為：

23、

24、其中x表示為原始特征值，xmin表示為特征值的最小值，xmax表示為特征值的最大值，此時(shí)特征值xnorm范圍在0到1之間；

25、s42.構(gòu)建自適應(yīng)學(xué)習(xí)模型訓(xùn)練：使用預(yù)處理后的數(shù)據(jù)構(gòu)建自適應(yīng)學(xué)習(xí)模型并訓(xùn)練，此時(shí)該模型的損失函數(shù)為：

26、

27、其中：

28、損失函數(shù)l(θ)用于衡量預(yù)測(cè)值與真實(shí)值之間的差距，m為數(shù)據(jù)樣本數(shù)量，yi為實(shí)際觀測(cè)值，，表示為通過(guò)模型參數(shù)θ和輸入特征xi計(jì)算的預(yù)測(cè)值，初始模型參數(shù)θ通過(guò)將預(yù)處理后的數(shù)據(jù)特征xi輸入自適應(yīng)學(xué)習(xí)模型獲得；

29、s43.更新模型參數(shù)θ：

30、

31、其中α為學(xué)習(xí)率，用于控制參數(shù)更新的步長(zhǎng)，表示為損失函數(shù)相對(duì)于參數(shù)θ的梯度，梯度

32、s44.預(yù)測(cè)今日發(fā)電：根據(jù)今日的特征數(shù)據(jù)xtoday預(yù)測(cè)今日的發(fā)電量數(shù)據(jù)：ppred＝θtxtoday；

33、s45.實(shí)施控制策略：定義控制指令其中1表示需要激勵(lì)發(fā)電，0表示不需要激勵(lì)發(fā)電，tcontrol表示為生成的控制閾值，用于決定是否激勵(lì)發(fā)電，控制閾值tcontrol的計(jì)算公式為：

34、tcontrol＝α1×ppred+α2×pavg

35、其中α1和α2為權(quán)重系數(shù)，用于分別反映預(yù)測(cè)發(fā)電量和歷史平均發(fā)電量的重要性，pavg表示為歷史平均發(fā)電量，ppred表示為今日的預(yù)測(cè)發(fā)電量數(shù)據(jù)；

36、s46.控制邏輯輸出：根據(jù)控制策略邏輯輸出調(diào)控指令，實(shí)施對(duì)應(yīng)策略。

37、優(yōu)選的，所述s45步驟中權(quán)重系數(shù)α1和α2的計(jì)算方法包括：

38、使用歷史數(shù)據(jù)對(duì)計(jì)算權(quán)重系數(shù)α1：

39、

40、α1表示為預(yù)測(cè)發(fā)電量與歷史平均發(fā)電量的比值；

41、計(jì)算權(quán)重系數(shù)α2：

42、α2＝1-α1

43、α2表示為與α1互補(bǔ)的權(quán)重系數(shù)。

44、優(yōu)選的，所述s46步驟的具體操作步驟包括：

45、s461.根據(jù)學(xué)習(xí)結(jié)果將優(yōu)化后的控制策略轉(zhuǎn)化為具體的控制邏輯；

46、s462.通過(guò)調(diào)控邏輯輸出模塊輸出實(shí)際調(diào)控指令，實(shí)施控制策略；

47、s463.監(jiān)控實(shí)施效果，收集反饋數(shù)據(jù)，根據(jù)實(shí)際發(fā)電量pactual計(jì)算預(yù)測(cè)值與實(shí)際值之間的誤差：e＝pactual-ppred，用于進(jìn)一步調(diào)整模型和優(yōu)化控制策略；

48、s464.根據(jù)反饋數(shù)據(jù)進(jìn)一步迭代更新自適應(yīng)學(xué)習(xí)模型。

49、優(yōu)選的，所述s464步驟中迭代更新自適應(yīng)學(xué)習(xí)模型的具體操作步驟包括：

50、l1.更新目標(biāo)損失函數(shù)lnew(θ)：

51、lnew(θ)＝l(θ)+λe2

52、其中目標(biāo)損失函數(shù)leew(θ)包含誤差的影響，λ為權(quán)重系數(shù)，用于表示控制誤差對(duì)損失的影響；

53、l2.再訓(xùn)練得到更新后的模型參數(shù)θnew：

54、

55、其中θ為原模型參數(shù)；

56、l3.更新控制閾值：tcontrolnew＝tcontrol+βe，β表示為調(diào)整系數(shù)，用于控制更新幅度；

57、l4調(diào)整更新學(xué)習(xí)率αnew：

58、

59、其中γ為調(diào)整因子，用于控制學(xué)習(xí)率的衰減。

60、本發(fā)明還公開(kāi)一種設(shè)備，用于基于邊端自控用采終端執(zhí)行上述任一所述的用采終端的光伏發(fā)電自適應(yīng)預(yù)測(cè)調(diào)節(jié)方法，包括：

61、實(shí)時(shí)數(shù)據(jù)采集模塊，用于采集光伏節(jié)點(diǎn)的數(shù)據(jù)；

62、請(qǐng)求環(huán)境數(shù)據(jù)模塊，用于獲取當(dāng)日環(huán)境基礎(chǔ)數(shù)據(jù)；

63、請(qǐng)求控制策略傾向模塊，用于獲取主站光伏調(diào)控控制傾向性意愿；

64、預(yù)處理模塊，用于對(duì)采集到的歷史數(shù)據(jù)進(jìn)行預(yù)處理操作；

65、自適應(yīng)學(xué)習(xí)模型訓(xùn)練模塊，用于訓(xùn)練策略模型；

66、調(diào)控邏輯輸出模塊，用于向光伏逆變器實(shí)際輸出調(diào)控指令。

67、又一方面，本發(fā)明還公開(kāi)一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行如上述方法的步驟。

68、再一方面，本發(fā)明還公開(kāi)一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行如上方法的步驟。

69、由上述技術(shù)方案可知，本發(fā)明提供了一種基于用采終端的光伏發(fā)電自適應(yīng)預(yù)測(cè)調(diào)節(jié)方法及設(shè)備。與現(xiàn)有技術(shù)相比本發(fā)明的具有以下優(yōu)勢(shì)：

70、1.本發(fā)明通過(guò)請(qǐng)求歷史環(huán)境數(shù)據(jù)和控制策略傾向，實(shí)現(xiàn)了與光伏控制主站的動(dòng)態(tài)交互，及時(shí)獲取到當(dāng)日天氣預(yù)測(cè)信息及主站的調(diào)控策略意向，為自適應(yīng)學(xué)習(xí)算法提供了即時(shí)有效的外部環(huán)境與目標(biāo)導(dǎo)向信息，利用自適應(yīng)學(xué)習(xí)算法所預(yù)測(cè)得到的結(jié)果，配合實(shí)地臺(tái)區(qū)調(diào)控策略進(jìn)行調(diào)整，能夠更加貼合實(shí)際運(yùn)營(yíng)需求和電網(wǎng)狀況，達(dá)到了優(yōu)化全網(wǎng)資源配置，平衡各類型光伏用戶需求的目的。

71、2.本發(fā)明通過(guò)在邊端自控用采終端集成實(shí)時(shí)數(shù)據(jù)采集模塊，能夠連續(xù)不斷地捕獲光伏節(jié)點(diǎn)的實(shí)時(shí)運(yùn)行數(shù)據(jù)，結(jié)合歷史數(shù)據(jù)積累，形成全面的數(shù)據(jù)基礎(chǔ)，從而實(shí)現(xiàn)對(duì)光伏系統(tǒng)運(yùn)行狀態(tài)的精確監(jiān)控，提高調(diào)控的針對(duì)性和準(zhǔn)確性。

72、3.本發(fā)明通過(guò)設(shè)置自適應(yīng)學(xué)習(xí)模型進(jìn)行訓(xùn)練，能夠基于實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)以及外部環(huán)境信息，自主學(xué)習(xí)并優(yōu)化控制策略，使調(diào)控策略能夠依據(jù)各臺(tái)區(qū)的實(shí)際情況動(dòng)態(tài)調(diào)整，顯著增強(qiáng)了調(diào)控的靈活性和精細(xì)化程度，有效解決了傳統(tǒng)調(diào)控中普遍存在的過(guò)調(diào)控與欠調(diào)控問(wèn)題，既保護(hù)了光伏用戶的經(jīng)濟(jì)利益，又維護(hù)了電網(wǎng)的穩(wěn)定運(yùn)行。

73、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本發(fā)明的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過(guò)以下的說(shuō)明書(shū)而變得容易理解。當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品并不一定需要同時(shí)達(dá)到以上所述的所有優(yōu)點(diǎn)。